NEWS & DOCUMENTARYAIと人間のこれから。
RAXUS AIAIのいまを確かめて届ける。
LATEST EDITION

Google DeepMind、気象AIの基盤データSatWeaveとPARDIGを公開――17チャンネルの全球衛星モザイクと15分刻みの降水量推定、履歴アーカイブとライブ配信を解放

Google DeepMindのWeatherNextチームは2026年11月13日、同社の気象AI「WeatherNext 3」を支える2つの基盤データセットSatWeaveとPARDIGの公開を発表した(Google DeepMindブログ)。SatWeaveは静止気象衛星の画像を可視・水蒸気・赤外の17チャンネルに統合した全球モザイクで、毎時更新のライブフィードと10年超の歴史アーカイブを公開する(ブログ本文は衛星を5基、動画キャプションは6基と表記していて食い違う)。PARDIG(Precipitation AI Reanalysis: Densely Inferred GPM)は、NASAのGPM衛星の疎な星載レーダー観測を教師信号に、SatWeave画像とECMWF大気場を入力として学習したAI降水量推定データで、0.1度(約10km)・15分刻み、平均約5時間の遅延で更新する。米国・欧州・日本のレーダー網と世界3万6,000超の地上観測所での評価では、NASAのIMERG-Finalを含む主要ベースラインをすべての降水強度と地域で上回り、弱〜中程度の降水の毎時検出スキルはIMERG-Finalより30%超改善したとGoogleは発表している。PARDIGの1999〜2026年履歴と双方のライブ配信はGoogle Cloud Storageで、PARDIG履歴はGoogle Earth Engineでも入手できる。30%超は発表元の限定的な比較値で、第三者検証はまだない。

2026年11月13日、Google DeepMindは気象・水文・気候アプリケーションの構築を支える基盤データとして、衛星画像モザイクのSatWeaveとAI降水量推定のPARDIGを公開した。両データセットは、2026年9月3日に発表された同社の気象AI「WeatherNext 3」の進歩の鍵になるものだ。SatWeaveは発展中の雲や嵐をモデルに見せるライブ視界を、PARDIGはモデルの降水量予報の学習に使った推定データを、それぞれ研究者と開発者に向けて履歴アーカイブとライブ配信で提供する。

「弱〜中程度の降水では、PARDIGは毎時の降水検出スキルをIMERG-Final比で30%超改善する。」

PARDIG improves hourly precipitation detection skill over IMERG-Final by more than 30% on light-to-moderate precipitation.

Google DeepMindブログ「Opening the datasets behind our AI weather models」(2026年11月13日公開)

SatWeave――異なる衛星を17チャンネルの全球モザイクに統合する

SatWeaveは、地上局ごとに異なる静止気象衛星の画像を1枚の全球モザイクに統合する。ブログ本文が挙げる衛星はGOES-East、GOES-West、Meteosat 0、Meteosat Indian Ocean、Himawariの5基で、投影法・ファイル形式・センサー・走査周期(10〜30分)が異なるため、全球を一貫した地図にまとめるのが難しかった。既存の全球合成画像は互換性のない要素を落として4チャンネル以下にし、更新も数時間ごとが多いという。SatWeaveは毎時更新で、可視・水蒸気・赤外の17チャンネルをそろえ、6時間ごとの解析初期値に代わる毎時の全球予測を可能にする。公開するのは毎時のライブフィードと10年超の歴史アーカイブだ。なお、同じブログの動画キャプションは「6基の静止衛星」と記していて本文の5基と食い違い、公式資料内で表記が揺れている。研究論文の補足では、公開SatWeaveデータセットは0.1度・17チャンネルで、2016〜2025年は30分刻み、その後は1時間刻みの記載があり、PARDIG側が取り込むのは17チャンネルのうち11チャンネルを30分刻みで使う構成だ。

図解公開された2つのデータセット(Google DeepMindブログ2026年11月13日、arXiv:2611.13941に基づく)
  • SatWeave衛星モザイク

    内容
    静止衛星画像・17チャンネル
    更新・遅延
    毎時
    履歴
    10年超
    公開先
    Google Cloud Storage
  • PARDIG降水量推定

    内容
    AI推定・0.1度(約10km)
    更新・遅延
    15分刻み・平均約5時間遅延
    履歴
    1999〜2026年
    公開先
    Google Cloud Storage+Earth Engine(履歴)

SatWeaveのチャンネル数・毎時更新・10年超アーカイブ、PARDIGの解像度・15分刻み・遅延・1999〜2026年履歴はブログの記述。遅延は研究論文が「観測時刻から2〜8時間」とする範囲の平均約5時間。公開SatWeaveの2016〜2025年は30分刻みという論文の内訳は、ブログの「毎時」と粒度が異なる。

PARDIG――疎な衛星レーダー観測から全球の降水を推定する

PARDIG(Precipitation AI Reanalysis: Densely Inferred GPM)は、WeatherNext 3と似たAIアーキテクチャで構成する。論文によれば、球面のグラフメッシュトランスフォーマーが、ECMWFの大気場と静止衛星画像を入力に、NASAのGPM Core Observatoryが観測した疎な星載レーダー値(DPRレーダーとGMIマイクロ波放射計を統合したCORRAの近地表降水強度)を予測するように学習する。推論時には全球を0.1度・15分刻みで密に適用し、準リアルタイムの降水フィールドを2016年から現在まで作り、歴史版PARDIG-LRはERA5、GridSat-B1、マイクロ波サウンダーを使って1999年まで記録を伸ばす。運用の遅延は観測時刻から2〜8時間で、ブログは平均約5時間と表現する。雨量計や地上レーダーに依存しない学習により、観測網の薄い地域でも信頼できる精度を期待できると発表元は説明する。

図解PARDIGの学習と提供の流れ(Google DeepMindブログとarXiv:2611.13941に基づく)
  1. 01 入力

    大気場+衛星画像

    ECMWF HRESの大気・地表面場と、静止衛星画像の全球モザイクSatWeaveを入力にする。

  2. 02 教師信号

    GPMレーダー観測

    NASA GPM Core Observatoryの疎な星載レーダー値(CORRA)を高精度の学習目標にする。

  3. 03 モデル

    グラフメッシュ型

    WeatherNext 3と類似の球面グラフメッシュ構成で、疎な観測から密な降水場を学習する。

  4. 04 推論

    0.1度・15分刻み

    全球を密に適用し、準リアルタイムの降水フィールドを作る。

  5. 05 提供

    遅延平均約5時間

    履歴アーカイブ(1999〜2026年)とライブフィードをGoogle Cloud Storageで公開。履歴はEarth Engineにも収録。

入力・教師信号・アーキテクチャ・解像度・遅延・公開先はGoogle DeepMindブログ(2026-11-13)とarXiv:2611.13941(2026-11-10公開v1)の記述。CORRAはDPRレーダーとGMIマイクロ波放射計を統合するGPMのアルゴリズム。

評価――3つのレーダー網と3万6,000超の観測所でベースラインを上回る

評価は、米国のMRMS、欧州のEURADCLIM、日本のJMA Radar-AMeDASという3つの独立したレーダー網と、世界36,000超の地上観測所で行った。指標は降水検出のCSI(Critical Success Index)で、論文はPARDIGがIMERG V07(FinalとEarly)、MSWEP V3、ERA5、HRESをすべての降水強度閾値と地域で上回り、既存の全球製品が苦手とする極端な降水強度で最大の改善を示したと報告する。レーダー網によるCSI評価は2016〜2023年の比較で、ブログの図は0.2〜25 mm/hの閾値を対数軸にプロットし、弱0.3・中2.5・強20 mm/hを表示している。ブログの「30%超」は、弱〜中程度の降水に絞った毎時検出スキルのIMERG-Final比で、発表元の値だ。事例として、2025年7月のテキサス州Hill Country洪水の1時間雨量を、地上レーダーのMRMS(約1km)と準リアルタイムのPARDIG(約10km)、IMERG-Final(約10km)で並べて比較している。

公開範囲と留保

データの入手先はGoogle Cloud Storageで、PARDIGの歴史カタログはGoogle Earth Engineにも収録され、WeatherNextの開発者ドキュメントからアクセスする。公開されているのはデータセット本体で、モデル重みや学習コード一式の公開には発表にも論文にも言及がない。数値は発表元の評価に基づき、第三者による独立検証は2026年11月14日時点で確認できていない。PARDIGは未来の予報ではなく遅延付きの降水量推定データで、30%超の改善も特定条件での検出スキルの話だ。衛星数の5基/6基の表記ゆれは公式資料内で未解決のまま残るため、記事では本文の5基と内訳をそのまま記載する。

出典

  1. Google DeepMindブログ「Opening the datasets behind our AI weather models」2026-11-13公開(meta published_time 2026-11-13T12:00:00+00:00、改訂15:32:46Z、著者WeatherNext team)。2026-11-14に本文全文確認。SatWeaveの衛星5基と内訳(動画キャプションは6基)・17チャンネル・毎時更新・10年超アーカイブ、PARDIGの定義と入力(SatWeave画像・ECMWF大気場・NASA GPM Core Observatoryの疎な星載レーダー)、0.1度・15分刻み・平均約5時間遅延、米国・欧州・日本のレーダー網と36,000超観測所での評価、IMERG-Final比30%超(弱〜中程度の毎時検出スキル)、1999〜2026年履歴とGoogle Cloud Storage・Earth Engineでの公開、2025年7月テキサス洪水の比較事例、CSI評価(2016〜2023年、0.2〜25 mm/h、弱0.3・中2.5・強20 mm/h表示)。
  2. arXiv:2611.13941「PARDIG: Global Precipitation Estimates Learned from Sparse Satellite Observations」(要旨ページ)2026-11-10公開v1。2026-11-14に要旨・著者・ライセンスを確認。著者17名(Google DeepMind中心、一部Google Research)、cs.LG、License CC BY 4.0、球面グラフメッシュトランスフォーマー、0.1度・15分刻みで2016年〜現在の準リアルタイム場と1999年までの歴史版、3レーダー網と36,000超観測所での評価、IMERG V07(Final/Early)・MSWEP V3・ERA5・HRESを全閾値・全地域で上回り極端な強度で最大改善。
  3. arXiv:2611.13941 論文HTML版(v1)2026-11-14に全文取得。教師変数はGPMのCORRA(DPRレーダー+GMIマイクロ波放射計統合)の近地表降水強度、PARDIG-NRTはECMWF HRESと30分・11チャンネルの静止衛星モザイクを入力に遅延2〜8時間、歴史版PARDIG-LRはERA5・GridSat-B1・マイクロ波サウンダーで1999年まで、公開SatWeaveデータセットは0.1度・17チャンネルで2016〜2025年30分刻み・以後1時間刻み(PARDIG-NRT入力は11チャンネル30分刻み)、評価はMRMS(米国CONUS 2016〜2023)・EURADCLIM(欧州)・JMA Radar-AMeDAS(日本)とCSI指標。
  4. WeatherNext開発者ドキュメント2026-11-14にHTTP 200で確認。Google Cloud Storage (Zarr)・Earth Engine・BigQuery経由のデータアクセス、WeatherNext 3がライブの静止衛星モザイク(SatWeave)を毎時取り込んで予報を毎時更新する記述。
  5. blog.google「WeatherNext 3: Our most advanced global weather AI model」2026-09-03公開(datePublished 2026-09-03T15:00:00+00:00)。WeatherNext 3の発表日時の確認。記事では背景の1文として使用。

出典の確認日 2026.11.14

KEEP EXPLORING

あわせて読みたい記事と映像

プロダクトの記事一覧
  1. Google DeepMindがAlphaGenome 2を発表 DNA配列に細胞型・状態の条件を組み合わせ、28免疫細胞型の評価で原因変異の検出を16%から30%へ(著者報告)

    Google DeepMindは2026年11月11日、DNA配列(最大100万塩基)に細胞型・細胞状態の条件を入力できる次世代の配列モデルAlphaGenome 2を発表した。ヒトとマウスのバルク・単一細胞データを用い、1億700万超のヒト単一細胞RNA配列データ(68組織)で学習し、DNAメチル化の予測を新たに加えた。28の免疫細胞型を含むTenK10Kデータセットの評価では、単一細胞データで追加調整した初代AlphaGenomeに比べて原因変異の検出が16%から30%、遺伝子発現効果の向きの予測が23%から43%になったと著者は報告する。APIとColabノートブックを非商用研究向けに公開し、商用研究は限定プレビュー。臨床・診断用途には使えないとしている。数値は著者の比較結果で、第三者検証はまだない。

    記事を読む
  2. Google DeepMind、Signalの暗号実装を機械語レベルで形式検証 AIエージェントが約650万行のLean証明を生成

    Google DeepMindは2026年11月10日、AIエージェントでソフトウェアを深部まで形式検証する新フレームワーク「AlphaProof Code」を発表し、Signalプロトコルの基盤実装libsignalのセキュリティをコンパイル済みバイナリの機械語レベルまで数学的に証明したと公表しました。対象はlibsignal v0.105.4とSPQR v1.6.0の1対1セッションで、生成されたLean証明は約650万行、人が読んで信頼する部分は約2.6万行です。証明と仕様はApache 2.0で公開されました。

    記事を読む
  3. Google DeepMind「Gemini Robotics 2.5」発表 200種類超の作業評価とMercedes-Benz工場で96%の部品仕分け実証

    Google DeepMindは2026年11月10日、ロボット向けモデル「Gemini Robotics 2.5」を発表した。200種類超の作業で評価し、従来のベースライン比でタスクの種類に応じて成功率が30〜100%高く、完了時間は20〜30%短いと報告している。Apptronikのヒューマノイド「Apollo 2」を使い、Mercedes-Benzのハンガリーとドイツの生産ラインで自動車部品のキッティングを行う限定実証では成功率96%を報告した。提供はロボティクスパートナー向けで、一般公開モデルではない。

    記事を読む